敏捷单星多约束任务优化调度方法与流程

本发明涉及敏捷单星多约束任务优化调度方法，应用于敏捷单星任务规划领域。

背景技术：

非敏捷卫星成像任务规划中，仅考虑了卫星的侧视成像能力，国内外学者对此作了非常深入的研究。建立了包括点目标、区域目标、移动目标、异轨立体成像和多星任务规划的相关模型，并初步地实现了非敏捷卫星对地观测点目标间的任务合成观测。同时，针对不同模型建立了不同算法，分析了相应算法的优劣，比较和发展了新的复合算法，成果颇多。

敏捷卫星不但在民用上有着广泛的应用，在军事上也发挥着重要作用。军事战争中，在争夺战场制信息权方面，成像卫星曾经发挥了至关重要的作用。成像卫星具有成像面积大、成像范围广、不受地理条件和国界限制的优点，它可以提供近实时的信息，也可以获取大量使用常规手段无法获得的情报，已成为打赢现代高技术局部战争至关重要的装备，一直为各国军方所重视，成为赢得现代战争的重要保障。

随着卫星技术与传感器技术的不断进步，敏捷卫星是新一类型的对地观测卫星，相比现有得常规卫星，其姿态调整精度高，姿态机动能力强，因此可以灵活地在多种工作模式下执行用户任务，代表了下一代卫星发展的主流方向。随着敏捷卫星技术发展，其组网协同工作可依卫星多类型载荷特点、不同轨道空间位置而完成复杂的用户任务。因此，敏捷卫星任务规划组网协同建设作为其航天研究的一个重要方向，已成为各航天大国竞相研制的重点，其既包含着卫星硬件技术的研究又包含着组网规划调度技术的研究。

技术实现要素：

本发明的目的在于克服现有技术的缺点，提供敏捷单星多约束任务优化调度方法。

为实现上述目的本发明采用以下技术方案：

敏捷单星多约束任务优化调度方法，包括如下步骤：

(1)根据复杂观测目标任务区域进行动态任务分解，生成具有多个可见时间窗口的姿态文件；

(2)建立满足多约束条件的任务规划数学优化模型，主要分为对姿态机动时间约束模型、卫星能量约束模型、数据存储约束模型以及最小俯仰角约束模型进行构建；

(3)利用遗传搜索算法对生成的姿态文件集合中的多个可见时间窗口进行编码、初始化。

作为本发明进一步方案，所述步骤(1)的方法如下：已知点目标p经纬度坐标卫星轨道高度h，卫星轨道倾角τ，地球半径r，相机视场角φ，遥感器侧摆角范围[αmin,αmax]，规划周期t；

设卫星观测角βt，星下点坐标为原理公式如下：

计算卫星的最小观测角βmin和最大观测角βmax：

计算星下点经纬度：

其中，圆心角c为：

c＝arcsin((1+h/r)sinβt)-βt；

计算驻点：

确定单调区间：

如果且βmax＞β0，函数u＝f(β)在[βmin,β0]上单调递减，在[β0,βmax]上单调递增；

如果且βmin＜β0，函数u＝f(β)在[βmin,β0]上单调递增，在[β0,βmax]上单调递减；

如果且βmax≤β0，函数u＝f(β)在[βmin,βmax]上单调递减；

如果且βmin≥β0，函数u＝f(β)在[βmin,βmax]上单调递减；

判断是否存在可见时间窗口。

作为本发明进一步方案，所述步骤(3)的具体步骤如下：编码：编码机制是遗传操作的基础，由于遗传算法通常不直接处理问题空间的数据，而是在一定编码机制对应的码空间上进行的，因此编码机制的选择在很大程度上决定了算法的性能与效率，本算法采用二进制机制，二进制编码是将问题的解用一个二进制字符串来表示；初始化种群：编码之后的任务是初始群体的设定，并以此为起点一代代的进化直到按照某种进化终止准则实行终止，本算法采用的种群规模为50。在运用遗传算法进行求解的过程中，而是用适应度函数作为操作依据，运用解空间中每个个体的适应度值来进行搜索。适应度值可以表明个体对环境适应能力的强弱，是区分群体中个体好坏的标准。个体的适应度高，被选择的概率就高；反之，被选择的概率就低。本算法主要考虑的优化目标包含任务收益率和任务完成率，则适应度函数为任务率和任务完成率的加权平均数。

作为本发明进一步方案，求解方法是对优化目标函数加入约束分析模型进行遗传搜索算法的求解，在运用遗传算法进行求解的过程中，而是用适应度函数作为操作依据，运用解空间中每个个体的适应度值来进行搜索，遗传操作选择、交叉和变异三个算子。(1)选择：适应度值是判断染色体优良与否的标准，个体的适应度值越大，它被选择的机会就越多。本算法的选择方法是适应度比例选择方法，在该方法中个体的选择概率与它的适应度值成正比。(2)交叉：交叉又被称为重组或配对，它是结合来自父代染色体的特征，组合出新的染色体，对解空间进行有效搜索，同时又降低对有效模式的破坏概率。本算法采用多点交叉。交叉概率用来控制交叉操作发生的概率。交叉概率过大时，种群中个体的更新很快，变化较大，会使得适应度的个体也被很快破坏掉。若交叉概率很小，交叉操作很少执行，会使得搜索停滞不前。(3)变异：选择和交叉是产生新个体的主要方式，而变异是产生新个体的辅助手段，但它也是遗传算法必不可少的步骤。进行变异操作时，变异概率不宜过大。

作为本发明进一步方案，根据遗传搜索的算法的求解单星任务规划数学模型。

作为本发明进一步方案，包括复杂区域目标动态任务分解模块、单星任务规划数学建模与求解模块、多约束分析模型建立模块；

复杂区域目标动态任务分解模块根据用户的观测需求以及卫星自身的资源情况，对所观测区域进行动态的任务分解，并依据几何关系建立条带划分的方法，生成卫星一次可执行观测的条带目标；

单星任务规划数学建模与求解模块用于对卫星任务规划观测计划进行优化与资源合理的分配；

多约束分析模型建立模块依据任务约束、资源约束以及它们之间的关系，建立满足多约束条件的分析模型，并对能源平衡、姿态机动时间以及存储量进行分析。

作为本发明进一步方案，对不同的场景模式，进行任务规划相邻任务间的时间冲突调整，来确定满足多约束的任务具体时间窗口。

本发明与现有技术相比的有益效果是：

(1)采用复杂区域动态任务分解策略：根据敏捷卫星的俯仰，翻滚，偏航特点，利用计算的星下点轨迹，以及最大视场角度和卫星的姿态机动速度对复杂区域目标进行动态任务分解，生成满足可执行的任务姿态信息文件。

(2)任务规划数学模型优化策略：依据复杂区域分解的姿态信息文件，结合约束分析条件进行任务间时间窗口冲突问题的调整与修正，实现卫星资源的合理分配利用和给出满足不同约束的最佳的任务观测计划方案。

(3)不同约束分析模型构建策略：依据卫星自身资源的条件以及卫星与任务间的几何关系，定量构建姿态机动稳定模型和卫星能量约束模型，对满足不同需求的观测计划方案进行优化与调整。

本发明主要针对敏捷单星在满足多约束条件下建立的任务规划数学模型，并利用遗传搜索算法进行求解，解决卫星在观测过程中相邻任务间或任务满足的冲突，合理的分配利用资源，并给出合理可行的任务规划方案。达到合理分配卫星资源，增加单轨观测任务数量，提高卫星响应时效性的目的。

附图说明

图1为本发明敏捷单星多约束任务优化调度方法示意图；

图2为本发明敏捷单星多约束任务优化调度方法流程图。

具体实施方式

下面结合附图和具体实施例对本发明作进一步详细阐述。

本发明的任务规划求解方法依据用户的观测需求，对观测区域目标进行动态任务分解，建立约束分析模型进行遗传搜索算法的求解，对具有多个可见时间窗口的元任务进行优化调整，生成满足约束条件的观测计划方案，从而提高卫星资源利用效率和任务观测时效性。

如图1所示是本发明敏捷单星多约束任务优化调度方法示意图，

(a)复杂区域动态任务分解模块根据用户的观测需求以及卫星自身的资源情况，将观测区域动态分解为卫星一次可执行观测的条带目标；(b)单星任务规划数学建模与求解模块用于对卫星任务规划观测计划进行优化与资源合理的分配；(c)约束分析模型建立模块依据任务约束、资源约束以及它们之间的关系，建立满足多约束条件的分析模型，生成合理的任务观测计划方案。

如图2所示是本发明敏捷单星多约束任务优化调度方法流程图，由图2可以看出本发明敏捷单星多约束任务优化调度方法包括如下步骤：

(1)判断任务目标类型是否是复杂区域目标，如果是，进行步骤(2)，否，不进行分解。

(2)复杂区域目标动态任务分解，计算星下点经纬度，计算驻点，确定单调区间，判断是否存在可见时间窗口。

(3)单星任务规划数学模型的建立，对目标函数包括收益率、完成率等优化目标函数建立，进入步骤(4)，否则进入步骤(7)。

(4)利用遗传搜索算法进行对步骤(2)中的元任务时间窗口编码，进行初始适应度值计算，(5)，否则进入步骤(6)。

(5)步骤(4)中遗传搜索算法选择操作，选择：适应度值是判断染色体优良与否的标准，个体的适应度值越大，它被选择的机会就越多。进入步骤(6)。

(6)交叉：交叉又被称为重组或配对，它是结合来自父代染色体的特征，组合出新的染色体，对解空间进行有效搜索，同时又降低对有效模式的破坏概率，进入步骤(7)。

(7)变异：选择和交叉的产生新个体的主要方式，而变异是产生新个体的辅助手段，但它也是遗传算法必不可少的步骤。进行变异操作时，变异概率不宜过大，进入步骤(8)。

(8)生成循环迭代一次的观测计划方案，进入步骤(9)

(9)调入约束分析数学模型的，进入步骤(10)

(10)判断是否满足约束分析的条件，如果是满足生成最终的可执行计划方案，如果否，转入步骤(4)，继续步骤(5)、步骤(6)、步骤(7)和步骤(8)

(11)结束本次任务规划方案选择。

总之，本发明能够支持敏捷单星任务规划，通过对构建的满足约束条件的分析模型求解，进行遗传搜索算法的选择，交叉，变异进行相邻任务间的冲突，对观测计划方案进行优化，生成满足约束条件的最佳观测计划。

本发明目前针对单星任务规划，任务规划建模与求解算法流程不断改进，最终适合解决敏捷多星协同任务规划的问题。

以上所述为本发明较佳实施例，对于本领域的普通技术人员而言，根据本发明的教导，在不脱离本发明的原理与精神的情况下，对实施方式所进行的改变、修改、替换和变型仍落入本发明的保护范围之内。